利用合成心电图训练神经网络
机器学习
2021-11-12 v1 人工智能
摘要
我们提出一种利用合成心电图训练神经网络的方法，这些合成心电图模拟由可穿戴单导联心电图监测仪产生的信号。我们使用域随机化，其中合成信号的属性(如波形形状、RR间期与噪声)在每个训练样本上变化。将用合成数据训练的模型与用真实数据训练的对应模型进行比较。使用在不同身体活动与心房颤动期间记录的心电图中的r波检测来比较模型。通过允许随机化超出真实世界数据中典型观察到的范围，性能达到或与用真实数据训练的网络的性能相当甚至超越。实验显示在不同测试集上以不同种子与训练样本均具有鲁棒性能，无需任何测试集特定调优。该方法使得利用几乎免费收集且带有准确标签的数据训练神经网络成为可能，无需人工标注，并且当在心电图中生成时使用疾病特定的先验信息时，它开启了将合成数据扩展用于心脏疾病分类的可能性。此外，数据的分布可被控制，消除了健康相关数据中典型观察到的类别不平衡，并且所生成的数据本质上是私有的。
引用
@article{arxiv.2111.06175,
title = {Training neural networks with synthetic electrocardiograms},
author = {Matti Kaisti and Juho Laitala and Antti Airola},
journal= {arXiv preprint arXiv:2111.06175},
year = {2021}
}